基于PCA和神经网络的农残含量预测模型研究

• 作者: 孙明 李文 李民赞
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 农药残留 神经网络 主成分分析 快速检测
• 年，卷（期）: 2018,（12）
• 所属期刊栏目: 先进算法与人工智能
• 页码范围: 34-37
• 页数: 4页
• 分类号: TP391.4
• 字数: 3274字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2018.12.008

摘要

为提高快速检测农残含量的精度,针对建模数据特征发生明显变化的实际情况,提出了一种结合主成分分析(PCA)和神经网络的分段多模型方法.提取建模数据的前2个主成分作为模型的输入,分别使用主成分回归(PCR)和BP/RBF神经网络建立单一及分段多模型.通过计算模型验证集的输出总误差和误差百分比,对比模型检测精度.试验表明:与单一模型相比,利用神经网络建立的分段多模型可以显著降低农药含量的预测误差,使用BP和RBF网络建立的低浓度段模型的输出误差百分比分别为0.8％和0.4％,RBF网络效果更好.该方法可以在待测农药的较大浓度范围内实现定量检测,具有较强的实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李民赞	中国农业大学现代精细农业系统集成研究教育部重点实验室	102	1430	24.0	33.0
2	孙明	中国农业大学现代精细农业系统集成研究教育部重点实验室	31	668	14.0	25.0
3	李文	北京工商大学计算机与信息工程学院食品安全大数据技术北京市重点实验室	26	84	5.0	8.0